BG value stats by hour

BGvalue_Summary
##    time3 min  mean  max       sd
## 1  00:00 Inf   NaN -Inf      NaN
## 2  01:00 Inf   NaN -Inf      NaN
## 3  02:00 Inf   NaN -Inf      NaN
## 4  03:00 320 320.0  320      NaN
## 5  04:00 114 167.0  220 74.95332
## 6  05:00 Inf   NaN -Inf      NaN
## 7  06:00 177 227.0  277 70.71068
## 8  07:00 Inf   NaN -Inf      NaN
## 9  08:00  99 111.0  123 16.97056
## 10 09:00 120 120.0  120      NaN
## 11 10:00 148 148.0  148      NaN
## 12 11:00 Inf   NaN -Inf      NaN
## 13 12:00 126 126.0  126      NaN
## 14 13:00 161 161.0  161      NaN
## 15 14:00 131 131.0  131      NaN
## 16 15:00 Inf   NaN -Inf      NaN
## 17 16:00 Inf   NaN -Inf      NaN
## 18 17:00 158 158.0  158      NaN
## 19 18:00 109 109.0  109      NaN
## 20 19:00 243 243.0  243      NaN
## 21 20:00 172 192.5  213 28.99138
## 22 21:00 130 130.0  130      NaN
## 23 22:00 205 223.5  242 26.16295
## 24 23:00 Inf   NaN -Inf      NaN
## 25 00:00 Inf   NaN -Inf      NaN

BG value stats by day

BGvalue_SummaryDaily
##        Date2 min     mean max        sd
## 1 2019-12-12  99 173.7500 243  63.30548
## 2 2019-12-13 123 153.1667 220  36.58096
## 3 2019-12-14 242 259.5000 277  24.74874
## 4 2019-12-15 109 131.6667 172  35.01904
## 5 2019-12-16 120 220.0000 320 141.42136
## 6 2019-12-17 130 153.5000 177  33.23402
## 7 2019-12-18 213 213.0000 213       NaN

Sensor value stats by hour

Sensorvalue_Summary
##    time3 min     mean max       sd
## 1  00:00 127 154.9333 182 18.10874
## 2  01:00 119 147.2667 203 20.75104
## 3  02:00 104 160.5833 303 59.67150
## 4  03:00  97 188.2333 316 78.27773
## 5  04:00  98 171.1500 258 49.20790
## 6  05:00  82 133.9792 234 55.40892
## 7  06:00  67 145.0877 258 66.28006
## 8  07:00  80 137.0333 244 53.35775
## 9  08:00  76 119.7167 199 36.05132
## 10 09:00  81 139.3333 235 46.31530
## 11 10:00 107 161.9649 306 62.25236
## 12 11:00  99 143.0167 236 38.36908
## 13 12:00  90 130.6610 212 40.22420
## 14 13:00  47 120.4286 204 45.81935
## 15 14:00  42 115.3788 218 51.86840
## 16 15:00  88 145.2121 275 59.12764
## 17 16:00  67 154.0600 230 42.16170
## 18 17:00  42 170.2308 224 43.32803
## 19 18:00  77 132.7544 235 39.68730
## 20 19:00  59 149.1373 262 55.68735
## 21 20:00  49 174.1159 271 65.56082
## 22 21:00  58 138.9138 267 57.70806
## 23 22:00  83 168.4167 327 59.83262
## 24 23:00 129 203.3500 301 39.20646
## 25 00:00 109 158.3000 204 32.72471

BG high (>150) count

BGHigh_Count
##   time3 BG.Reading..mg.dL.
## 1 03:00                  1
## 2 04:00                  1
## 3 06:00                  2
## 4 13:00                  1
## 5 17:00                  1
## 6 19:00                  1
## 7 20:00                  2
## 8 22:00                  2

BG very high (>240) count

BGveryHigh_Count
##   time3 BG.Reading..mg.dL.
## 1 03:00                  1
## 2 06:00                  1
## 3 19:00                  1
## 4 22:00                  1

BG low (<80) count

BGLow_Count
## NULL

BG good value count (>80 and <150)

BGgood_Count
##   time3 BG.Reading..mg.dL.
## 1 04:00                  1
## 2 08:00                  2
## 3 09:00                  1
## 4 10:00                  1
## 5 12:00                  1
## 6 14:00                  1
## 7 18:00                  1
## 8 21:00                  1

Temp Basal = 0 count

tempBasal_count
## NULL

Suspend basal on low count

suspendBasal_Count
##    time3 Alarm
## 1  06:00     2
## 2  07:00     3
## 3  08:00     1
## 4  09:00     1
## 5  11:00     1
## 6  12:00     1
## 7  13:00     6
## 8  14:00     1
## 9  15:00     2
## 10 17:00     1
## 11 18:00     2
## 12 19:00     2
## 13 20:00     5
## 14 21:00     2

BG value by time and date with mean values

BGvalue_timeDaytable
##     time 2019-12-12 2019-12-13 2019-12-14 2019-12-15 2019-12-16 2019-12-17
## 1  00:00        NaN        NaN        NaN        NaN        NaN        NaN
## 2  01:00        NaN        NaN        NaN        NaN        NaN        NaN
## 3  02:00        NaN        NaN        NaN        NaN        NaN        NaN
## 4  03:00        NaN        NaN        NaN        NaN        320        NaN
## 5  04:00        NaN   220.0000        NaN   114.0000        NaN        NaN
## 6  05:00        NaN        NaN        NaN        NaN        NaN        NaN
## 7  06:00        NaN        NaN      277.0        NaN        NaN      177.0
## 8  07:00        NaN        NaN        NaN        NaN        NaN        NaN
## 9  08:00      99.00   123.0000        NaN        NaN        NaN        NaN
## 10 09:00        NaN        NaN        NaN        NaN        120        NaN
## 11 10:00     148.00        NaN        NaN        NaN        NaN        NaN
## 12 11:00        NaN        NaN        NaN        NaN        NaN        NaN
## 13 12:00        NaN   126.0000        NaN        NaN        NaN        NaN
## 14 13:00        NaN   161.0000        NaN        NaN        NaN        NaN
## 15 14:00        NaN   131.0000        NaN        NaN        NaN        NaN
## 16 15:00        NaN        NaN        NaN        NaN        NaN        NaN
## 17 16:00        NaN        NaN        NaN        NaN        NaN        NaN
## 18 17:00        NaN   158.0000        NaN        NaN        NaN        NaN
## 19 18:00        NaN        NaN        NaN   109.0000        NaN        NaN
## 20 19:00     243.00        NaN        NaN        NaN        NaN        NaN
## 21 20:00        NaN        NaN        NaN   172.0000        NaN        NaN
## 22 21:00        NaN        NaN        NaN        NaN        NaN      130.0
## 23 22:00     205.00        NaN      242.0        NaN        NaN        NaN
## 24 23:00        NaN        NaN        NaN        NaN        NaN        NaN
## 25  mean     173.75   153.1667      259.5   131.6667        220      153.5
##    2019-12-18    mean
## 1         NaN     NaN
## 2         NaN     NaN
## 3         NaN     NaN
## 4         NaN 320.000
## 5         NaN 167.000
## 6         NaN     NaN
## 7         NaN 227.000
## 8         NaN     NaN
## 9         NaN 111.000
## 10        NaN 120.000
## 11        NaN 148.000
## 12        NaN     NaN
## 13        NaN 126.000
## 14        NaN 161.000
## 15        NaN 131.000
## 16        NaN     NaN
## 17        NaN     NaN
## 18        NaN 158.000
## 19        NaN 109.000
## 20        NaN 243.000
## 21        213 192.500
## 22        NaN 130.000
## 23        NaN 223.500
## 24        NaN     NaN
## 25        213 186.369
#heatmap
#heatmaps
executeSavedPlot(data = allData, plotName = "meanBGheat_hist", libraryPath = libraryPath,
                 numberDays = numberDays,changeParam.list = changeParam.list)
## Loading required package: reshape2

Sensor value by time and date with mean values

SGvalue_timeDaytable
##     time 2019-12-12 2019-12-13 2019-12-14 2019-12-15 2019-12-16 2019-12-17
## 1  00:00  177.33333        NaN  128.33333  182.16667  128.16667  167.08333
## 2  01:00  132.83333        NaN  124.41667  143.16667  176.91667  159.00000
## 3  02:00  113.33333        NaN  135.66667  108.16667  260.25000  185.50000
## 4  03:00  114.91667        NaN  178.16667   99.41667  296.50000  252.16667
## 5  04:00  137.91667        NaN  210.83333  126.33333  142.75000  237.91667
## 6  05:00  112.83333        NaN        NaN  111.50000   86.58333  225.00000
## 7  06:00  110.83333        NaN  248.22222   81.16667   98.75000  212.25000
## 8  07:00  100.75000        NaN  228.00000   86.33333  109.91667  160.16667
## 9  08:00   82.41667        NaN  167.16667  122.75000   90.25000  136.00000
## 10 09:00   97.00000        NaN   97.83333  157.41667  137.16667  207.25000
## 11 10:00  117.66667        NaN  145.16667  130.33333  275.83333  129.75000
## 12 11:00  125.91667        NaN  152.50000  130.00000  206.16667  100.50000
## 13 12:00  104.00000        NaN  128.50000  110.58333  206.00000  102.00000
## 14 13:00  153.75000        NaN   78.75000   96.08333  188.83333   95.83333
## 15 14:00  201.16667  124.33333   73.66667   82.25000  148.66667   66.66667
## 16 15:00  226.33333  103.16667  111.00000  125.91667  240.25000  105.16667
## 17 16:00        NaN   92.91667  155.66667  142.50000  190.25000  179.33333
## 18 17:00   69.50000  161.10000  202.50000        NaN  172.66667  193.50000
## 19 18:00  114.50000  129.50000  230.33333   88.14286  172.50000  114.63636
## 20 19:00  224.81818  158.60000  161.00000   68.00000  112.33333  137.50000
## 21 20:00  255.08333  242.42857  177.25000  144.60000  125.58333   81.58333
## 22 21:00  220.16667        NaN  181.08333  100.83333   74.91667  113.30000
## 23 22:00  194.00000        NaN  180.08333  131.83333  114.08333  222.08333
## 24 23:00  218.91667        NaN  158.25000  233.41667  187.41667  218.75000
## 25  mean  148.08630  144.57789  158.88647  121.86563  164.28125  158.45568
##    2019-12-18     mean
## 1         NaN 156.6167
## 2         NaN 147.2667
## 3         NaN 160.5833
## 4         NaN 188.2333
## 5         NaN 171.1500
## 6         NaN 133.9792
## 7         NaN 150.2444
## 8         NaN 137.0333
## 9         NaN 119.7167
## 10        NaN 139.3333
## 11        NaN 159.7500
## 12        NaN 143.0167
## 13        NaN 130.2167
## 14        NaN 122.6500
## 15        NaN 116.1250
## 16        NaN 151.9722
## 17        NaN 152.1333
## 18        NaN 159.8533
## 19        NaN 141.6021
## 20        NaN 143.7086
## 21   213.3333 177.1231
## 22        NaN 138.0600
## 23        NaN 168.4167
## 24        NaN 203.3500
## 25   213.3333 158.4981
#heatmap
#heatmaps
executeSavedPlot(data = allData, plotName = "meanSGheat_hist", libraryPath = libraryPath,
                 numberDays = numberDays,changeParam.list = changeParam.list)

Interactive Plots

linePlots

barplots hourly

## filtered data contains 0 rows
## NULL

every 3 hours barplots

###daily barplots

boxplots hourly

3hour boxplots

daily boxplots